CHƯƠNG IV: KÊT QUẢ NGHIÊN CỨU
4.3 Phân tích mô hình hồi quy tuyến tính đa biến
4.3.2. Phân tích mô hình hồi quy tuyến tính đa biến
4.3.2.1 Mô hình
Gọi :
X1 : Đội ngũ giảng viên
X2 : Cơ sở vật chất - trang thiết bị X3 : Chương trình đào tạo
X4 : Đội ngũ nhân viên X5 : Thư viện
X6 : Chương trình ngoại khóa
X7 : Công tác quản lý của Nhà trường
Phương trình hồi quy tuyến tính biểu diễn mối quan hệ giữa 7 nhân tố tác động (biến độc lâp) và SHL của SV khoa TA trường Đại học Công nghệ TP.Hồ Chí Minh (biến phụ thuộc) có dạng như sau:
Sự hài lòng của sinh viên khoa Tiếng Anh trường Đại học Công
nghệ TP.HCM Đội ngũ giảng viên
Cơ sở vật chất - trang thiết bị H2CT
Chương trình đào tạo H3CT Đội ngũ nhân viên H4CT
Thư viện
H5CT
Chương trình ngoại khóa
H6CT
Công tác quản lý của Nhà Trường H7CT
LVTS Quản trị kinh doanh
SHL = a0 + a1X1 + a2X2 + a3X3 + a4 X4 + a5X5 + a6X6 + a7X7 Hoặc
SV khoa TA trường Đại học Công nghệ TP.Hồ Chí Minh = a0 + a1* Đội ngũ giảng viên + a2* Cơ sở vật chất - trang thiết bị + a3* Chương trình đào tạo + a4* Đội ngũ nhân viên + a5* Thư viện + a6* Chương trình ngoại khóa + a7*Công tác
quản lý của Nhà trường 4.3.1.2. Kiểm tra các giả định mô hình hồi quy Kiểm tra các giả định sau:
Phương sai của sai số (phần dư) không đổi.
Các phần dư có phân phối chuẩn.
Không có mối tương quan giữa các biến độc lập
Nếu các giả định này bị vi phạm thì các ước lượng không đáng tin cậy nữa (Hoàng Trọng và Mộng Ngọc, 2008).
a. Kiểm định giả định phương sai của sai số (phần dư) không đổi.
Để kiểm định giả định phương sai của sai số (phần dư) không đổi, ta sử dụng đồ thị phân tán của phần dư đã được chuẩn hóa (Standardized Residual) và giá trị dự báo đã được chuẩn hóa (Standardized predicted value). Hình 4.2 cho thấy các phần dư phân tán ngẫu nhiên quanh trục O (là giá trị trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của phần dư không đổi.
LVTS Quản trị kinh doanh
Hình 4.2: Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy b. Kiểm tra giả định các phần dư có phân phối chuẩn.
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… (Hoàng Trọng – Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này.
LVTS Quản trị kinh doanh
Hình 4.3: Đồ thị P-P plot của phần dư – đã chuẩn hóa
Kết quả từ biểu đồ tần số P-P plot cho thấy các đặc điểm phân tán xung quanh được kỳ vọng. Cũng cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.
Kiểm định Durbin Watson = 1,652 (bảng 4.18) trong khoảng [1 < D < 3] nên không có hiện tượng tương quan của các phần dư (Hoàng Trọng – Mộng Ngọc, 2008).
c. Ma trận tương quan
Trước khi đi vào phân tích hồi qui ta cần xem xét sự tương quan giữa các biến độc lập và biến phụ thuộc.
LVTS Quản trị kinh doanh
Bảng 4.17: Ma trận tương quan giữa biến phụ thuộc và các biến độc lập
CSVC TV GV NV CTDT CTNK CTQL SHL
CSVC
Hệ số tương quan 1 .295** .257** .336** .073 .230** .260** .383**
Sig. (2-tailed) .000 .000 .000 .106 .000 .000 .000
N 499 499 499 499 499 499 499 499
TV
Hệ số tương quan .295** 1 .142** .322** -.059 .152** .226** .340**
Sig. (2-tailed) .000 .001 .000 .185 .001 .000 .000
N 499 499 499 499 499 499 499 499
GV
Hệ số tương quan .257** .142** 1 .355** .057 .132** .170** .468**
Sig. (2-tailed) .000 .001 .000 .203 .003 .000 .000
N 499 499 499 499 499 499 499 499
NV
Hệ số tương quan .336** .322** .355** 1 .026 .204** .306** .582**
Sig. (2-tailed) .000 .000 .000 .563 .000 .000 .000
N 499 499 499 499 499 499 499 499
CTDT
Hệ số tương quan .073 -.059 .057 .026 1 .065 .074 .221**
Sig. (2-tailed) .106 .185 .203 .563 .144 .097 .000
N 499 499 499 499 499 499 499 499
CTNK
Hệ số tương quan .230** .152** .132** .204** .065 1 .183** .427**
Sig. (2-tailed) .000 .001 .003 .000 .144 .000 .000
N 499 499 499 499 499 499 499 499
CTQL
Hệ số tương quan .260** .226** .170** .306** .074 .183** 1 .285**
Sig. (2-tailed) .000 .000 .000 .000 .097 .000 .000
N 499 499 499 499 499 499 499 499
SHL
Hệ số tương quan .383** .340** .468** .582** .221** .427** .285** 1
Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
N 499 499 499 499 499 499 499 499
**. Sự tương quan với mức ý nghĩa 0,01 (2-tailed).
Nguồn: Phân tích dữ liệu – Phụ lục 5 Ma trận tương quan cho thấy hệ số tương quan giữa các biến độc lập CSVC, TV, GV, NV, CTDT, CTNK, CTQL với biến phụ thuộc SHL khá cao và tương quan cùng chiều.
LVTS Quản trị kinh doanh
Hệ số tương quan của biến phụ thuộc với từng biến độc lập dao động từ 0,221 đến 0,582 (mức tương quan trung bình). Trên thức tế, với mức ý nghía 1%, giả thuyết hệ số tương quan của tổng thể bằng 0 bị bác bỏ. Điều này có nghĩa là trong tổng thể, tồn tại mối tương quan tuyến tính giữa biến phụ thuộc SHL của SV khoa TA trường Đại học Công nghệ TP.Hồ Chí Minh (SHL) với các biến độc lập: Đội ngũ giảng viên (GV), Cơ sở vật chất – trang thiết bị (CSVC), Chương trình đào tạo (CTDT), Đội ngũ nhân viên (NV), Thư viện (TV), Chương trình ngoại khóa (CTNK), Công tác quản lý của Nhà trường (CTQL). Xét mối tương quan giữa các biến độc lập, hệ số dao động từ 0,142 đến 0,355 nên trong tổng thể với mức ý nghĩa 1% thì có tồn tại mối tương quan yếu giữa các biến độc lập. Vấn đề này sẽ được xem xét kỹ lưỡng vai trò của các biến độc lập trong mô hình hồi quy tuyến tính đa biến.
4.3.1.3 Kiểm định mô hình hồi quy tuyến tính đa biến
a. Đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính đa biến Bảng 4.18: Đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính đa biến
Mô hình
Hệ số R
Hệ số R2
Hệ số R2 - hiệu chỉnh
Sai số chuẩn của ước lượng
Thống kê thay đổi Hệ số
Durbin- Watson Hệ số R2
sau khi thay đổi
Hệ số F khi thay
đổi
Bậc tự do
1
Bậc tự do
2
Hệ số Sig.
F sau khi đổi
1 .748a .560 .555 .34658 .560 104.457 6 492 .000 1.652
a. Biến độc lập: (hằng số), CTNK, CTDT, GV, TV, CSVC, NV b. Biến phụ thuộc: SHL
Nguồn: Phân tích dữ liệu – Phụ lục 5 Bảng 4.18 cho thấy, giá trị hệ số tương quan là 0,748 > 0,5, do vậy, đây là mô hình thích hợp để sử dụng đánh giá mối quan hệ giữa biến phụ thuộc và các biến độc lập.
Ngoài ra, giá trị hệ số R2 hiệu chỉnh là 0,555, nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu 55,5%. Nói cách khác, 55,5% sự hài lòng của sinh viên khoa Tiếng Anh trường Đại học Công nghệ Thành phố Hồ Chí Minh
LVTS Quản trị kinh doanh
là do mô hình hồi quy giải thích. Các phần còn lại là do sai số và các nhân tố khác.
Điểm khác biệt này cũng có thể được giải thích do mô hình nghiên cứu không tập trung vào những giá trị và đặc điểm cá nhân của sinh viên như tâm lý, tính cách, quê quán, … Vì vậy, các giá trị biến quan sát trong nghiên cứu chỉ có thể giải thích cho 55,5% SHL của SV khoa TA trường Đại học Công nghệ TP.Hồ Chí Minh.
b. Kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa biến
Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Điều này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập hay không. Đặt giả thuyết H0 là : a0 = a1 = a2 = a3 = a4 = a5 = a6 =0
Kiểm định F và giá trị cùa sig.
Bảng 4.19: Kiểm định tính phù hợp của mô hình hồi quy tuyến tính đa biến ANOVAa
Mô hình Tổng bình phương
Bậc tự do
Trung bình bình phương
F Sig.
1
Hồi qui 75.282 6 12.547 104.457 .000b
Phần dư 59.097 492 .120
Tổng 134.379 498
a. Biến phụ thuộc: SHL
b. Biến độc lập: (hằng số), CTNK, CTDT, GV, TV, CSVC, NV
Nguồn: Phân tích dữ liệu – Phụ lục 5 Nhận thấy giá trị Sig. rất nhỏ (< 0,05) nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tương quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc.
LVTS Quản trị kinh doanh
Bảng 4.20: Các thông số thống kê trong mô hình hồi quy bằng phương pháp Enter
Mô hình
Hệ số chưa chuẩn hóa
Hệ số chuẩn
hóa t Sig.
Thống kê đa cộng tuyến B Sai số
chuẩn hóa Beta Hệ số
Tolerance
Hệ số VIF
1
(Hằng số) .174 .144 1.209 .227
CSVC .066 .027 .082 2.457 .014 .805 1.242
TV .101 .025 .133 4.103 .000 .847 1.180
GV .180 .023 .254 7.819 .000 .850 1.176
NV .274 .026 .362 10.514 .000 .756 1.323
CTDT .131 .022 .182 6.024 .000 .982 1.018
CTNK .193 .022 .269 8.624 .000 .922 1.085
a. Biến phụ thuộc: SHL
Nguồn: Phân tích dữ liệu – Phụ lục 5 Khi xét tstat và tα/2 của các biến để đo độ tin cậy thì các biến độc lập GV, CSVC, TV, GV, NV, CTDT, CTNK đều đạt yêu cầu, do tstat > t α/2 (7,389) = 1,966 (nhỏ nhất là 2,963) và các giá trị Sig. thể hiện độ tin cậy khá cao, đều < 0,05. Ngoài ra, hệ số VIF của các hệ số Beta đều nhỏ hơn 10 (lớn nhất là 1,612) và hệ số Tolerance đều lớn hơn 0,5 (nhỏ nhất là 0,756) cho thấy không có hiện tượng đa cộng tuyến xảy ra (Hoàng Trọng – Mộng Ngọc, 2008). Mặt khác, mức ý nghĩa kiểm định 2 phía giữa các biến độc lập với biến phụ thuộc đều thỏa điều kiện (Sig. 2 tailed <0,05)